「ぎょーむ日誌」目次に戻る | KuboWeb top に戻る | twilog | atom

ぎょーむ日誌 2006-01-(11-20)

苦情・お叱りは, たいへんお手数かけて恐縮ですが, 久保 (kubo@ees.hokudai.ac.jp) までお知らせください.

2006 年 01 月 11 日 (水)

葉面積あたり窒素量モデル (LMA にちかい量)
harea11a

area11a

葉重量あたり窒素量モデル
hmass11a

mass11a


2006 年 01 月 12 日 (木)

シュート伸長の休眠・二度伸び
hdl11b

dl11b

シュート伸長の休眠・二度伸び
hdl11b

dl11b

葉面積あたり窒素量モデル (これはかなり LMA に近い量)
harea11b

area11b

葉重量あたり窒素量モデル
hmass11b

mass07

葉面積あたり窒素量モデル (これはかなり LMA に近い量)
harea12a

area12a

葉重量あたり窒素量モデル
hmass12a

mass12a

[推定平均葉寿命 vs 窒素量]
推定平均葉寿命の単位は年. 葉っぱ内の窒素量の単位は重量パーセント. あとで説明するように, いくつかの個体では「齢」依存性パラメーターが負になっているので, ここではそれをゼロとおいて計算している.

[窒素パラメーター vs 窒素量]
縦軸がパラメーター事後分布の平均値. 窒素量が少ないほど値が低い (長命化) と推定されている. こういう個体の窒素量に引きずられた推定結果が妥当なのかどうかは, あとで検討してみる.

[のいず]
縦軸は個体ごとの窒素パラメーターとその個体の窒素量の積. この図は何を表しているかというと, 窒素量の大小は葉っぱ死亡確率に何の影響もおよぼさない, ということ.


mass12b

[推定平均寿命 vs 窒素]
窒素はほとんど無関係, に見えるが …… 横軸の重量あたり窒素量の種内平均値は平均寿命を伸ばすはず, なんだけど? まあ, 窒素は葉齢の効果にかかる項ではないんで, 単に 「死亡確率が高くなる時期は遅くなる」 (その後の死亡確率上昇は高い) ということなのかもしれないけれど.


2006 年 01 月 13 日 (金)

葉重量あたり窒素量モデル
hmass13a

mass13a

nalmass13a
[平均寿命と葉内窒素量]
樹木個体ごとに計算して推定平均葉寿命の単位は年. 葉っぱ内の窒素量 (種内平均値) の単位は重量パーセント. ○が明るい場所. 全般に明るい場所のほうが寿命短い. しかし個体ごとにみていくと, 必ずしもそうはなっていない場合もある.

後記: ここで図示してたのは平均葉寿命 (死亡時葉齢の平均値ではなく) 平均葉齢だった …… 訂正版は 15 日に.
agedist13a

vnvp
[vp vs vn]
図にしてみるとこうなる. 窒素が少ないところにサカキ (Clj), 多いところにバリバリノキ (La) があるんでそちらに注意うばわれてしまうわけだが …… const において樹種差を random effects としてあつかっているので, この程度では「傾向あり」とはならない.

LMAN

葉面積あたり窒素量モデル (LMA にちかい量)
harea13a

area13a


2006 年 01 月 14 日 (土)

窒素ぬきモデル
hmass14a

mass14a

nalmass14a
[窒素ぬきモデル]
上の図の nested parameter 図で窒素パラメーターの事後確率分布は Rdensity() 関数がゼロデータからでっちあげたもの. 左の図は「平均寿命と葉内窒素量」の関係 (樹木個体ごとに計算して推定平均葉寿命の単位は年, 葉っぱ内の窒素量種内平均値の単位は重量パーセント). 昨日の図 とほとんど変わらん. つまり窒素を説明変数に使わなくても平均寿命の計算はできて, しかも (種差があるようにも見える) 窒素量とは無関係, ということ.

後記: ここで図示してたのは平均葉寿命 (死亡時葉齢の平均値ではなく) 平均葉齢だった …… 訂正版は 15 日に.

2006 年 01 月 15 日 (日)

nalmass13a nalmass13a


2006 年 01 月 16 日 (月)

wv
[ということで]
作図プログラムなどもあれこれと作り直し中. ebb 使った方式だとファイルサイズは小さくおさえられるんだけど, xdvi できなくなる …… ので make で PDF ファイル作り, xpdf (reload 使える) を previewer にする.


2006 年 01 月 17 日 (火)



2006 年 01 月 18 日 (水)

glms
[glm() vs glmmML() 百番勝負]
glm(y ~ 1 + size, family = binomial, ...) といった計算で得られる推定値. ホントの値は十字線交点 {-10, 1}. 標本 y は二項乱数 rbinom() で生成.一個体から 10 反復,100 個体. キツい「個体差」あり …… ということで, 当然ながら glmmML() のほうが良い推定値を出しているように見える. glm() のそれは明らかに偏る …… となるようにこの例題は作ったわけだが. 授業に使えるか? しかし, この glmmML() のばらつきのすごさよ.


2006 年 01 月 19 日 (木)

plotnet
[ぷろっとねっと会議]
なンというか甲山さん関係者のあつまり (参加者数 20 名ぐらい), というような …… plot 研究者集団の齢分布は「高齢化」しつつあるそーです. つまり若者がいない.


2006 年 01 月 20 日 (金)

ohtemachi
[大手町]
左から昨日の会議場所の三菱総研, 日経新聞本社, 経団連会館. 東京駅にむかう途中 ここ からの南方の視界なんだけど, 地図みたら JR 神田にいったほうがよっぽど近いぢゃん. いやはや.


KuboLog | KuboWeb